| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 选题背景及研究意义 | 第10-11页 |
| 1.1.1 选题背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状及存在的问题 | 第11-12页 |
| 1.3 本文的篇章结构及主要工作 | 第12-14页 |
| 第二章 多变量非线性时间序列分析 | 第14-25页 |
| 2.1 多变量非线性时间序列的分析流程 | 第14-15页 |
| 2.2 多变量非线性时间序列间的依赖关系 | 第15页 |
| 2.3 多变量非线性时间序列的相空间重构 | 第15-19页 |
| 2.3.1 延迟时间间隔的确定 | 第16-17页 |
| 2.3.2 嵌入维数的确定 | 第17-19页 |
| 2.4 多变量非线性时间序列的常用预测方法 | 第19-23页 |
| 2.4.1 局域预测法 | 第20-21页 |
| 2.4.2 全域预测法 | 第21-23页 |
| 2.5 预测效果评价指标 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 径向基函数神经网络预测法及二进制粒子群算法 | 第25-37页 |
| 3.1 径向基函数神经网络 | 第25-29页 |
| 3.1.1 径向基函数神经网络的基本结构 | 第25-26页 |
| 3.1.2 径向基函数神经网络的参数学习算法 | 第26-29页 |
| 3.2 径向基函数神经网络预测法 | 第29-33页 |
| 3.2.1 基本模型 | 第29-30页 |
| 3.2.2 参数的确定 | 第30-33页 |
| 3.3 二进制粒子群优化算法(BPSO) | 第33-36页 |
| 3.3.1 BPSO 的基本原理 | 第33-34页 |
| 3.3.2 BPSO 的参数设置 | 第34-36页 |
| 3.3.3 BPSO 的适应度函数 | 第36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 BPSO-RBF 网络预测模型 | 第37-57页 |
| 4.1 BPSO-RBF 网络预测模型 | 第37-40页 |
| 4.1.1 模型概述 | 第37页 |
| 4.1.2 用 BPSO-RBF 神经网络确定重构参数 | 第37-40页 |
| 4.2 仿真模拟 | 第40-55页 |
| 4.2.1 Lorenz 系统仿真模拟 | 第40-44页 |
| 4.2.2 Chens 系统仿真模拟 | 第44-46页 |
| 4.2.3 Duffing 系统仿真模拟 | 第46-49页 |
| 4.2.4 Henon 映射仿真模拟 | 第49-52页 |
| 4.2.5 Rossler 系统仿真模拟 | 第52-55页 |
| 4.3 本章小结 | 第55-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间取得的研究成果 | 第61-62页 |
| 致谢 | 第62-63页 |
| 附件 | 第63页 |